研究人员开发了 Evo-DKD，一个旨在利用大型语言模型 (LLM) 自主演化本体和知识图谱的新框架。这个双解码器系统结合了结构化本体遍历和非结构化文本推理，生成本体编辑和自然语言解释。Evo-DKD 在闭环中运行，在将建议的编辑整合到知识库以指导未来推理之前对其进行验证。实验证明了其在精炼医疗保健本体、改进语义搜索和建模文化遗产时间线方面的有效性，优于现有方法。 AI
影响 为 LLM 驱动的知识库维护提供了一种新范例，结合了符号推理和神经推理，以实现可持续的本体演化。
排序理由 该集群包含一篇详细介绍 LLM 驱动本体演化新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
